1. AI在质量保障和测试中的作用
AI的发展对于质量保障和测试主要有两个方面的影响：一方面，AI会促使企业将测试转变成完全自生成、自执行和自适应的活动，也就是用AI技术来优化测试；另一方面，AI产品的开发需要一种新的特殊方法来验证和校验，就是对AI产品的测试。这两个方面正好是互补的，相互促进的过程。
AI在测试中的运用还处于初始阶段，有组织开始应用智能分析来制定关键决策以优化测试活动和早期的质量预测：
57%的受访者表示有项目引入了AI到质量保障中
45%的受访者在测试中采用AI做智能自动化
36%的受访者正在使用AI做测试的预测分析
对于AI产品的测试还没有具体的、广泛被采用的方法、指南或方案，57%的受访者表示正在试验AI和ML（机器学习）的测试方法。
将AI技术用于IT也存在不小的挑战，55%的受访者表示他们在定位哪些业务可以用到AI技术的时候遇到困难；将AI技术用于测试则可能需要一些新的角色，比如AI质量保障战略家、数据科学家、AI测试专家等。
尽管挑战重重，AI还是有望成为接下来两到三年内最大的趋势，组织需要从以下几个方面考虑AI策略：
要达到一定级别的自动化测试成熟度
要实施分析（Analytics）技术
实现能够自我学习、自我认知的系统并应用于测试中
2.敏捷和DevOps
“速度上的质量”宣言推动着敏捷和DevOps逐渐被采用，有多达99%的受访者称他们至少有一些项目在采用DevOps。但是，有些组织以质量为代价去追求速度，这样是不妥的。也有的组织认为敏捷与瀑布共存的模式比较适合他们的组织、文化和业务的需求。
敏捷和DevOps的转型打乱了原来的质量保障和测试部门，所有人都分散到不同的敏捷团队中，这样使得技术、最佳实践和测试场景的跨项目共享很难，从而有不同团队重复造轮子的事情发生。以角色组成的社区（Community），比如QA社区，很好的解决了这个问题，可以在社区内做到知识共享、能力共建。
3.自动化
质量保障和测试活动的自动化已经有十多年的历史，测试自动化也从测试执行的自动化发展到了采用基于模型的工具来自动化生成测试用例。自动化的目标也从缩短运行时间转变成了采用更有效的测试用例实现更好的测试覆盖。
但是，测试活动的自动化还是处于较低的水平，而且成为了企业成熟测试的头号瓶颈。自动化水平低下的原因有：
61%的受访者表示由于应用程序每次发布都在变化，很难构建出健壮的、适应性强的自动化测试方案
48%的受访者对于准备可预测的、可重复利用的测试数据和测试环境有挑战
46%的企业表示由于技能和经验的缺失导致自动化实现很难
自动化测试应该是朝着智能、认知的方向发展，构建能够自执行、自适应的自动化平台。
4.环境和数据
近几年，质量保障和测试部门都在朝着敏捷和DevOps转型，测试环境和数据的管理却跟不上，大部分企业在数据管理和创建方面没有成熟的方案：
测试环境方面，31%的受访者主要还依赖物理机器环境
58%的受访者表示他们仍然依赖手工方式创建测试数据
66%的受访者用Excel等电子制表软件来手动生成测试数据
62%的受访者用生产环境数据的副本来执行测试
目前，测试数据和环境成为企业成熟测试的二号瓶颈。当然，我们也看到了这方面正在得以改进的新技术趋势：
不断增加的容器化测试环境的采用
API经济的增长
零接触（Zero-touch）测试机器人的使用
开放数据项目（Open data projects）的发展
更好的数据采样智能方案的发展
5.成本
在测试活动的成本和效能方面，我们看到两个有分歧的趋势：
大量的自动化测试和测试外包的方式，使得基于瀑布式的核心IT和遗留系统的成本下降；
数字化转型、迁移到云、敏捷和DevOps的采纳、质量保障和测试中自动化和分析技术的运用，使得在新的基础设施、工具、组织改组、工作流程重组方面的花销达到高峰
质量保障和测试的花费在2015和2016年分别占整个IT成本的35%和31%，在2017和2018年下降到了26%，并趋于稳定。但是，随着测试环境的虚拟化、测试数据的管理、测试自动化和测试生命周期分析技术使用方面的投资，在将来的两到三年内成本可能会升高到30%，并达到一个新的增长稳定的阶段。
